Methodology for Analysis of Peptide Consumption by Yeast during Fermentation of Enzymatic Protein Hydrolysate Supplemented Synthetic Medium Using UPLC-IMS-HRMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several studies have shown the ability of yeast to consume peptides as a nitrogen source in single-peptide containing media. However, a suitable and cost-effective methodology to study the utilization of peptides by yeast and other microorganisms in a complex peptide mixture has yet to be put forward. This article addresses this issue by presenting a screening methodology for tracking the consumption of peptides by yeast during alcoholic fermentation. As a peptide source, the methodology makes use of an in-house prepared peptide-mapped bovine serum albumin (BSA) proteolytic digest, which was applied to a synthetic grape must. The peptide uptake was analyzed using high-throughput ultra-high-pressure liquid chromatography coupled to data-independent acquisition-based ion mobility separation-enabled high-resolution mass spectrometry (UPLC-DIA-IMS-HRMS) analysis. The relative changes of abundance of 123 di- to hexapeptides were monitored and reported during fermentations with three commercial wine strains, demonstrating different uptake kinetics for individual peptides. Using the same peptide-mapped BSA hydrolysate, the applicability of an untargeted workflow was additionally assessed for peptide profiling in unelucidated matrixes. The comparison of the results from peptide mapping and untargeted analysis experiments highlighted the ability of untargeted analysis to consistently identify small molecular weight peptides on the length and amino acid composition. The proposed method, in combination with other analytical techniques, such as gene or protein expression analysis, can be a useful tool for different metabolic studies related to the consumption of complex nitrogen sources by yeast or other microorganisms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle